目今位置:首页 → 电脑软件 → 法国冠军赛女单只剩钱天一 → 黄片A片一区 v4.428.1184.684744 安卓最新版
v1.445.4106 安卓最新版
v4.156.1863 安卓免費版
v9.224.4187.554879 最新版
v1.768.3492 IOS版
v3.140.1513.346718 安卓版
v7.663 IOS版
v5.311 IOS版
v3.261 最新版
v8.802.240 最新版
v7.253.1551.159332 安卓版
v9.231 安卓版
v4.934.3290.741300 安卓免費版
v3.799.8422.210749 PC版
v1.140.7382 安卓免費版
v5.760.3541 安卓漢化版
v9.776.4024 PC版
v3.956.4931 PC版
v3.354.7791.377305 IOS版
v1.222.3428.758317 最新版
v9.276.1900 安卓版
v2.165 安卓版
v5.316.1037.897719 PC版
v3.603.6918.280175 安卓版
v6.514.7069.408492 PC版
v5.576.1711.175963 安卓漢化版
v1.2.4802.578860 IOS版
v9.735.4999.101296 IOS版
v4.361 安卓漢化版
v2.133 IOS版
v4.218.952.887701 安卓最新版
v8.192.6721.85295 安卓最新版
v8.863 最新版
v8.735.6594.310200 安卓最新版
v3.689.5233.437107 最新版
v7.465 安卓免費版
v7.597.2573 IOS版
v9.956.344 安卓漢化版
v1.543.6487 PC版
v2.145.228.247418 安卓最新版
v2.774.1890.577318 IOS版
v4.318.5985.951528 安卓免費版
v5.970.1170.695763 安卓最新版
v4.910.4234 安卓最新版
v4.659.4839.895133 安卓版
v1.688.858 安卓漢化版
v3.58.7913 IOS版
v1.720.6578.860975 PC版
v4.605.8119 安卓免費版
v7.44.6182.940115 安卓免費版
v8.252.4736.636336 安卓最新版
v8.931.7304 安卓最新版
v6.143.852.990055 IOS版
v2.929.7558 安卓最新版
v5.199.1150 最新版
v2.257.3822.667798 最新版
v1.836 安卓最新版
v7.381.9031.25247 PC版
v6.784.7650.227191 安卓免費版
v5.632 安卓免費版
v6.321.1303.541379 安卓版
v8.515.6135.549338 IOS版
v7.678.675.646756 安卓免費版
v1.698.8316.859133 安卓漢化版
v6.371.7276.95580 安卓最新版
v5.848.3706.403804 PC版
v6.620 IOS版
v9.882 最新版
v7.655.6960 安卓最新版
v5.576 安卓最新版
v4.252.1401 PC版
v5.100.1909.836080 安卓漢化版
v4.395.3445 安卓版
v3.757.4367.614562 安卓漢化版
v4.541.9754 安卓免費版
v4.481.1488 PC版
v8.406 IOS版
v4.477.3636 安卓版
v8.333 安卓漢化版
v5.509.3782 安卓版
v6.911.1934.994497 最新版
黄片A片一区
新智元报道
编辑:LRST
【新智元导读】DeepSeek-OCR的视觉文本压缩(VTC)手艺通过将文本编码为视觉Token,实现高达10倍的压缩率,大幅降低大模子处置惩罚长文本的本钱。可是,视觉语言模子能否明确压缩后的高密度信息?中科院自动化所等推出VTCBench基准测试,评估模子在视觉空间中的认知极限,包括信息检索、关联推理和恒久影象三大使命。
近期,DeepSeek-OCR依附其立异的「视觉文本压缩」(Vision-Text Compression, VTC)范式引发了手艺圈的高度关注,以少少的视觉Token实现高效的文本信息编码,为长文本处置惩罚开发了新路径。
这一突破性希望让大模子处置惩罚超长文档的本钱大幅降低,但也抛出了一个焦点问题:当长文本被高度压缩为2D图像后,视觉语言模子(VLM)真的能明确其中的内容吗?
为相识答这一疑问,来自中科院自动化所、中国科学院香港立异研究院等机构的研究团队推出了首个专门针对视觉-文本压缩范式的基准测试——VTCBench。
论文链接:https://arxiv.org/abs/2512.15649
VTCBench链接: https://github.com/Moenupa/VTCBench
VLMEvalKit链接:https://github.com/bjzhb666/VLMEvalKit
Huggingface链接: https://huggingface.co/datasets/MLLM-CL/VTCBench
图 1:视觉-文本压缩 (VTC) 流程演示及VTCBench
与古板大模子直接读取成千上万的纯文本Token差别,VTC范式(如DeepSeek-OCR)先将长文档渲染 (Rendering)为高密度的2D图像,再由视觉编码器转化为少量的视觉Token。
该手艺可实现2倍至10倍的Token压缩率,显著降低了长文本处置惩罚时的盘算与显存开销。
VTCBench现已在GitHub和Huggingface周全开源,其衍生版本VTCBench-Wild是一个统一的、全方位评估模子在重大现实场景下视觉文本压缩的鲁棒性,现已集成到VLMevalkit。
焦点使命
权衡「看得见」之后的「看得懂」
现在的VLM也许能精彩地完成OCR识别,但在处置惩罚 VTC 压缩后的高密度信息时,其长文本明确能力仍存疑。
VTCBench通过三大使命,系统性地评估模子在视觉空间中的认知极限:
1.VTC-Retrieval (信息检索):在视觉「大海」中寻找特定事实的「针」(Needle-in-a-Haystack),测试模子对空间漫衍信息的捕获能力。
2.VTC-Reasoning (关联推理):挑战模子在险些没有文本重叠的情形下,通过关联推理寻找事实,逾越纯粹的词汇检索。
3.VTC-Memory (恒久影象):模拟超长对话,评估模子在视觉压缩框架下,抵御时间与结构性信息衰减的能力。
别的,团队同步推出了VTCBench-Wild,引入 99 种差别的渲染设置(涵盖多种字体、字号、行高及配景),全方位检测模子在重大现实场景下的鲁棒性。
揭秘视觉压缩背后的认知瓶颈
图 2:VTCBench针对模子在长图像中检索信息的热力争。横轴代表上下文长度,纵轴代表要害事实(Needle)在文档中的深度。展现了模子体现的「迷失」与突破。
测试效果泛起出显著的「U 型曲线」:与文本模子类似,视觉语言模子(VLM)能够精准捕获开头和最后的信息,但关于中心部分的事实,明确能力会随着文档变长而强烈衰退。这证实晰纵然在视觉空间,模子依然保存严重的「空间注重力私见」,是未来 VTC 架构优化的要害偏向。
行业洞察
视觉压缩是长文本的终局吗?
通过对GPT、Gemini、Claude、QwenVL、InternVL、Gemma、KimiVL、Seed1.5等10余种尖端模子的深度评测,可以发明:
虽然VTC极大提升了效率,但现有VLM在重大推理和影象使命上的体现仍普遍弱于纯文本LLM;
消融实验证实,信息密度是决议模子性能的要害因素,直接影响视觉编码器的识别精度;
Gemini-3-Pro在VTCBench-Wild上体现惊艳,其视觉明确能力已险些追平其纯文本基准,证实晰VTC是实现大规模长文本处置惩罚的极其可行的路径!
总结
若是说古板的长文本处置惩罚是「逐字阅读」,那么DeepSeek-OCR所引领的VTC范式就是「过目成诵」的摄影式影象。VTCBench的泛起,正是为了确保模子在拥有这种「超能力」的同时,依然能够读懂字里行间的微言大义。
参考资料:
https://arxiv.org/abs/2512.15649
秒追ASI
?点赞、转发、在看一键三连?
点亮星标,锁定新智元极速推送!
相关版本
多平台下载
审查所有0条谈论>网友谈论
老湿机69福利区午夜x片
胆大阴展艺术
扶他视频片多多男男教师
性生活片香蕉视频
www.hh6554.com
草草久久九九
爱情岛最新福利视频免费看
A片全黄30分钟免费视频
优质gts网站
一级AA黄色视频免费看
99国产精品久久一区
欧美另类激情亚洲
在线人成免费视频
H肉动漫大全在线观看福利
手机免费A片视频在线观看
免费A级毛片高清在线不卡
污污污网站在线观看美女
色综合色天天
亚洲第一色图
亚洲国产欧美日韩精品综合
黄色工厂视频在线观看